CORE轮廓细化网络

轮廓与区域双细化

该网络同时修正轮廓顶点误差与边界外溢，使基于轮廓的实例分割达到39.8 mAP，超越现有方法。

Gu, Wenchao · 白双

IEEE Transactions on Cognitive and Developmental Systems 2023

参数信息

平均精度

39.8 mAP

技术优势

轮廓更准

利用图卷积网络挖掘顶点间相关性，修正轮廓顶点位置，缓解轮廓衰减。

边界不外溢

通过预测边界感知热图并组合去除轮廓内部误包含的外部区域，缓解掩码衰减。

精度最高

在COCO数据集上达到39.8 mAP，超越现有基于轮廓的方法。

应用场景

• 图像实例分割：提升分割精度，减少掩码衰减。
• 自动驾驶感知：更精确的实例轮廓有助于车辆识别周围物体。
• 医疗影像分析：精确轮廓有助于分割医学图像中的病灶区域。
• 机器人视觉：帮助机器人更准确地抓取和操作物体。
• 具身智能感知：提高智能体对物体边界的感知能力。